Poolside Laguna XS 2.1 er en mixture-of-experts-språkmodell for agentbasert koding og langvarig arbeid, posisjonert som den mindre modellen for lokal utrulling i Laguna-serien. Den har 33B parametere totalt og 3B aktive per token. Modellen er en oppdatering av Laguna XS.2 som beholder arkitekturen og forbedrer produsentens rapporterte resultater for programvareutvikling og terminaloppgaver. Modellen mottar tekst og genererer tekst, kode, resonnering og forespørsler om verktøykall.
Utformingen med 40 lag kombinerer 10 lag med global oppmerksomhet og 30 lag med glidende vindu, med sigmoid-portstyring og et glidende vindu på 512 token. Dette lokale oppmerksomhetsvinduet er atskilt fra modellens kontekst på 262,144 token. Poolside beskriver også et FP8 KV-cache-oppsett for å redusere minnebruken per token. Disse egenskapene bidrar til å forklare fokuset på lokal utrulling, men det nøyaktige minnebehovet avhenger fortsatt av sjekkpunkt, kvantisering, arbeidskontekst og serveringskonfigurasjon.
For en kodeoppgave bør du oppgi relevante kildefiler som tekst, forventet oppførsel og den faktiske feilen eller utdataene som viser svikten. En nyttig forespørsel er: «Rett denne parserens behandling av escapede skilletegn, samtidig som det publiserte inndataformatet bevares. Vis endringsforslaget, forklar hvilke tilfeller som berøres, og identifiser eksempler som vil avdekke en regresjon.» Behold en konkret leveranse og et fullføringskriterium, slik at modellen kan arbeide mot et resultat fremfor bare å diskutere problemet.
For terminalbaserte oppgaver bør du oppgi det aktuelle miljøet, relevante kommandoutdata og begrensninger for arbeidet. I en verktøytilkoblet applikasjon foreslår modellen et funksjonskall, applikasjonen utfører det, og resultatet returneres som grunnlag for neste beslutning. Be den forklare hva en feil avdekker før den foreslår en ny kommando. Oppgi for eksempel avhengighetsmanifestet og utdata fra den mislykkede installasjonen, og be deretter om den minste korrigeringen som er forankret i kilden, og forventet resultat av neste kontroll. Bevar tidligere vellykkede trinn og det uavklarte problemet i historikken.
Laguna XS 2.1 er utformet for innflettet tenkning før og mellom verktøykall. Produsenten anbefaler å beholde resonneringsinnhold fra tidligere assistentmeldinger når neste forespørsel settes sammen på nytt. Hvis dette innholdet utelates, kan det hindre videre resonnering i oppfølgingstrinn. Hold assistentsvaret, informasjonen om verktøykallet og det tilhørende verktøyresultatet samlet, med det løpende målet synlig. Dette er særlig nyttig når flere observasjoner bidrar til en retting og et senere trinn avhenger av en tidligere beslutning.
Tenkning kan aktiveres eller deaktiveres gjennom chatmalen. Poolside anbefaler å aktivere den for agentbasert koding og bevare den mellom samtalerundene. En forespørsel om et direkte svar kan passe en liten omforming eller forklaring, mens en retting med flere avhengige betingelser har nytte av en løpende sløyfe med resonnering og observasjoner. Oppgi endelig utdataformat, og la det være plass til sluttsvaret. Produsentens evalueringsinnstillinger er oppskriftsvalg, ikke en universell garanti for mengden resonnering eller maksimal svarlengde.
For lange kildeinndata bør du organisere filer og dokumentasjon med tydelige grenser og stabile navn. Be om å spore en bestemt sammenheng, for eksempel hvilke kallere som avhenger av et endret grensesnitt, hvilke betingelser som skiller to implementeringer, eller hvorfor et testresultat motsier den foreslåtte diagnosen. Behold viktige beslutninger og faktiske kontroller i en kompakt oppgaveoversikt, og fjern irrelevant historikk. Kontekstgrensen dekker arbeidsmaterialet og den genererte fortsettelsen; et sluttsvar på størrelse med hele konteksten er ikke en egen lovet kapasitet.
Poolside publiserer BF16 og egne FP8-, NVFP4-, INT4- og GGUF-varianter, samt DFlash-utkastmodeller. Dette er ulike utrullingsvalg. Et lite antall aktive parametere betyr ikke at alle modellvektene bare opptar tilsvarende minne, og en utkastmodell er en ledsager for akselerasjon fremfor selve kodemodellen. Behold det nøyaktige sjekkpunktet når lokale resultater sammenlignes, og klargjør kode- eller dokumentinnhold som tekst for denne tekst-til-tekst-modellen.
Produsenten dokumenterer et problem med verktøyparseren i eldre serveringsbygg som kan utelate enkelte kall og vise den rå oppmerkingen deres som vanlig svartekst. Dette viser hvorfor en verktøytilkoblet arbeidsflyt må skille mellom modellens tiltenkte forespørsel og et riktig tolket funksjonskall. Undersøk det tolkede navnet og argumentene, valider dem mot det faktiske skjemaet, og bevar utførelsesresultatet. En sluttrapport bør identifisere det reviderte produktet, de observerte kontrollene og gjenstående forutsetninger. En foreslått endring eller kommando blir først et fullført resultat når oppførselen er fastslått gjennom disse registreringene.
", "aboutText": "Poolside Laguna XS 2.1 er en mixture-of-experts-språkmodell for agentbasert koding og langvarig arbeid, posisjonert som den mindre modellen for lokal utrulling i Laguna-serien. Den har 33B parametere totalt og 3B aktive per token. Modellen er en oppdatering av Laguna XS.2 som beholder arkitekturen og forbedrer produsentens rapporterte resultater for programvareutvikling og terminaloppgaver. Modellen mottar tekst og genererer tekst, kode, resonnering og forespørsler om verktøykall.\n\nUtformingen med 40 lag kombinerer 10 lag med global oppmerksomhet og 30 lag med glidende vindu, med sigmoid-portstyring og et glidende vindu på 512 token. Dette lokale oppmerksomhetsvinduet er atskilt fra modellens kontekst på 262,144 token. Poolside beskriver også et FP8 KV-cache-oppsett for å redusere minnebruken per token. Disse egenskapene bidrar til å forklare fokuset på lokal utrulling, men det nøyaktige minnebehovet avhenger fortsatt av sjekkpunkt, kvantisering, arbeidskontekst og serveringskonfigurasjon.\n\nFor en kodeoppgave bør du oppgi relevante kildefiler som tekst, forventet oppførsel og den faktiske feilen eller utdataene som viser svikten. En nyttig forespørsel er: «Rett denne parserens behandling av escapede skilletegn, samtidig som det publiserte inndataformatet bevares. Vis endringsforslaget, forklar hvilke tilfeller som berøres, og identifiser eksempler som vil avdekke en regresjon.» Behold en konkret leveranse og et fullføringskriterium, slik at modellen kan arbeide mot et resultat fremfor bare å diskutere problemet.\n\nFor terminalbaserte oppgaver bør du oppgi det aktuelle miljøet, relevante kommandoutdata og begrensninger for arbeidet. I en verktøytilkoblet applikasjon foreslår modellen et funksjonskall, applikasjonen utfører det, og resultatet returneres som grunnlag for neste beslutning. Be den forklare hva en feil avdekker før den foreslår en ny kommando. Oppgi for eksempel avhengighetsmanifestet og utdata fra den mislykkede installasjonen, og be deretter om den minste korrigeringen som er forankret i kilden, og forventet resultat av neste kontroll. Bevar tidligere vellykkede trinn og det uavklarte problemet i historikken.\n\nLaguna XS 2.1 er utformet for innflettet tenkning før og mellom verktøykall. Produsenten anbefaler å beholde resonneringsinnhold fra tidligere assistentmeldinger når neste forespørsel settes sammen på nytt. Hvis dette innholdet utelates, kan det hindre videre resonnering i oppfølgingstrinn. Hold assistentsvaret, informasjonen om verktøykallet og det tilhørende verktøyresultatet samlet, med det løpende målet synlig. Dette er særlig nyttig når flere observasjoner bidrar til en retting og et senere trinn avhenger av en tidligere beslutning.\n\nTenkning kan aktiveres eller deaktiveres gjennom chatmalen. Poolside anbefaler å aktivere den for agentbasert koding og bevare den mellom samtalerundene. En forespørsel om et direkte svar kan passe en liten omforming eller forklaring, mens en retting med flere avhengige betingelser har nytte av en løpende sløyfe med resonnering og observasjoner. Oppgi endelig utdataformat, og la det være plass til sluttsvaret. Produsentens evalueringsinnstillinger er oppskriftsvalg, ikke en universell garanti for mengden resonnering eller maksimal svarlengde.\n\nFor lange kildeinndata bør du organisere filer og dokumentasjon med tydelige grenser og stabile navn. Be om å spore en bestemt sammenheng, for eksempel hvilke kallere som avhenger av et endret grensesnitt, hvilke betingelser som skiller to implementeringer, eller hvorfor et testresultat motsier den foreslåtte diagnosen. Behold viktige beslutninger og faktiske kontroller i en kompakt oppgaveoversikt, og fjern irrelevant historikk. Kontekstgrensen dekker arbeidsmaterialet og den genererte fortsettelsen; et sluttsvar på størrelse med hele konteksten er ikke en egen lovet kapasitet.\n\nPoolside publiserer BF16 og egne FP8-, NVFP4-, INT4- og GGUF-varianter, samt DFlash-utkastmodeller. Dette er ulike utrullingsvalg. Et lite antall aktive parametere betyr ikke at alle modellvektene bare opptar tilsvarende minne, og en utkastmodell er en ledsager for akselerasjon fremfor selve kodemodellen. Behold det nøyaktige sjekkpunktet når lokale resultater sammenlignes, og klargjør kode- eller dokumentinnhold som tekst for denne tekst-til-tekst-modellen.\n\nProdusenten dokumenterer et problem med verktøyparseren i eldre serveringsbygg som kan utelate enkelte kall og vise den rå oppmerkingen deres som vanlig svartekst. Dette viser hvorfor en verktøytilkoblet arbeidsflyt må skille mellom modellens tiltenkte forespørsel og et riktig tolket funksjonskall. Undersøk det tolkede navnet og argumentene, valider dem mot det faktiske skjemaet, og bevar utførelsesresultatet. En sluttrapport bør identifisere det reviderte produktet, de observerte kontrollene og gjenstående forutsetninger. En foreslått endring eller kommando blir først et fullført resultat når oppførselen er fastslått gjennom disse registreringene.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "2fd69db83bb361ba618bd661ce557b42f499502e7ac17d845937c57d7556badf", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "nb", "methods": [ { "html": "poolside/laguna-xs-2.1:freePoolside Laguna XS 2.1 er en tekstmodell med 33B parametere totalt og 3B aktive for agentbasert koding og langvarig arbeid. Den har en kontekst på 262,144 token og innebygd resonnering mellom verktøykall. Den mindre MoE-utformingen og egne kvantiserte utgaver støtter lokal utrulling med ressursbehov som avhenger av konfigurasjonen.
Denne beskrivelsen dekker modellens funksjoner. Tilgjengelige inndata, utdata og alternativer i Ailoot er oppført nedenfor for den valgte metoden.
Poolside Laguna XS 2.1 er en mixture-of-experts-språkmodell for agentbasert koding og langvarig arbeid, posisjonert som den mindre modellen for lokal utrulling i Laguna-serien. Den har 33B parametere totalt og 3B aktive per token. Modellen er en oppdatering av Laguna XS.2 som beholder arkitekturen og forbedrer produsentens rapporterte resultater for programvareutvikling og terminaloppgaver. Modellen mottar tekst og genererer tekst, kode, resonnering og forespørsler om verktøykall.
Utformingen med 40 lag kombinerer 10 lag med global oppmerksomhet og 30 lag med glidende vindu, med sigmoid-portstyring og et glidende vindu på 512 token. Dette lokale oppmerksomhetsvinduet er atskilt fra modellens kontekst på 262,144 token. Poolside beskriver også et FP8 KV-cache-oppsett for å redusere minnebruken per token. Disse egenskapene bidrar til å forklare fokuset på lokal utrulling, men det nøyaktige minnebehovet avhenger fortsatt av sjekkpunkt, kvantisering, arbeidskontekst og serveringskonfigurasjon.
For en kodeoppgave bør du oppgi relevante kildefiler som tekst, forventet oppførsel og den faktiske feilen eller utdataene som viser svikten. En nyttig forespørsel er: «Rett denne parserens behandling av escapede skilletegn, samtidig som det publiserte inndataformatet bevares. Vis endringsforslaget, forklar hvilke tilfeller som berøres, og identifiser eksempler som vil avdekke en regresjon.» Behold en konkret leveranse og et fullføringskriterium, slik at modellen kan arbeide mot et resultat fremfor bare å diskutere problemet.
For terminalbaserte oppgaver bør du oppgi det aktuelle miljøet, relevante kommandoutdata og begrensninger for arbeidet. I en verktøytilkoblet applikasjon foreslår modellen et funksjonskall, applikasjonen utfører det, og resultatet returneres som grunnlag for neste beslutning. Be den forklare hva en feil avdekker før den foreslår en ny kommando. Oppgi for eksempel avhengighetsmanifestet og utdata fra den mislykkede installasjonen, og be deretter om den minste korrigeringen som er forankret i kilden, og forventet resultat av neste kontroll. Bevar tidligere vellykkede trinn og det uavklarte problemet i historikken.
Laguna XS 2.1 er utformet for innflettet tenkning før og mellom verktøykall. Produsenten anbefaler å beholde resonneringsinnhold fra tidligere assistentmeldinger når neste forespørsel settes sammen på nytt. Hvis dette innholdet utelates, kan det hindre videre resonnering i oppfølgingstrinn. Hold assistentsvaret, informasjonen om verktøykallet og det tilhørende verktøyresultatet samlet, med det løpende målet synlig. Dette er særlig nyttig når flere observasjoner bidrar til en retting og et senere trinn avhenger av en tidligere beslutning.
Tenkning kan aktiveres eller deaktiveres gjennom chatmalen. Poolside anbefaler å aktivere den for agentbasert koding og bevare den mellom samtalerundene. En forespørsel om et direkte svar kan passe en liten omforming eller forklaring, mens en retting med flere avhengige betingelser har nytte av en løpende sløyfe med resonnering og observasjoner. Oppgi endelig utdataformat, og la det være plass til sluttsvaret. Produsentens evalueringsinnstillinger er oppskriftsvalg, ikke en universell garanti for mengden resonnering eller maksimal svarlengde.
For lange kildeinndata bør du organisere filer og dokumentasjon med tydelige grenser og stabile navn. Be om å spore en bestemt sammenheng, for eksempel hvilke kallere som avhenger av et endret grensesnitt, hvilke betingelser som skiller to implementeringer, eller hvorfor et testresultat motsier den foreslåtte diagnosen. Behold viktige beslutninger og faktiske kontroller i en kompakt oppgaveoversikt, og fjern irrelevant historikk. Kontekstgrensen dekker arbeidsmaterialet og den genererte fortsettelsen; et sluttsvar på størrelse med hele konteksten er ikke en egen lovet kapasitet.
Poolside publiserer BF16 og egne FP8-, NVFP4-, INT4- og GGUF-varianter, samt DFlash-utkastmodeller. Dette er ulike utrullingsvalg. Et lite antall aktive parametere betyr ikke at alle modellvektene bare opptar tilsvarende minne, og en utkastmodell er en ledsager for akselerasjon fremfor selve kodemodellen. Behold det nøyaktige sjekkpunktet når lokale resultater sammenlignes, og klargjør kode- eller dokumentinnhold som tekst for denne tekst-til-tekst-modellen.
Produsenten dokumenterer et problem med verktøyparseren i eldre serveringsbygg som kan utelate enkelte kall og vise den rå oppmerkingen deres som vanlig svartekst. Dette viser hvorfor en verktøytilkoblet arbeidsflyt må skille mellom modellens tiltenkte forespørsel og et riktig tolket funksjonskall. Undersøk det tolkede navnet og argumentene, valider dem mot det faktiske skjemaet, og bevar utførelsesresultatet. En sluttrapport bør identifisere det reviderte produktet, de observerte kontrollene og gjenstående forutsetninger. En foreslått endring eller kommando blir først et fullført resultat når oppførselen er fastslått gjennom disse registreringene.
POST /v1/chat/completionstexttext| Felt | Type | Krav | Verdier & grenser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrevd | Verdier & grenser poolside/laguna-xs-2.1:free | Standard— |
Feltmessages | Typearray | KravPåkrevd | Verdier & grenser | Standard— |
Feltstream | Typeboolean | KravValgfritt | Verdier & grenser false | Standardfalse |
Feltmax_tokens | Typeinteger | KravValgfritt | Verdier & grenser Minimum: 1 Maksimum: 32 768 | Standard— |
Feltmax_completion_tokens | Typeinteger | KravValgfritt | Verdier & grenser Minimum: 1 Maksimum: 32 768 | Standard— |
Feltn | Typeinteger | KravValgfritt | Verdier & grenser Minimum: 1 Maksimum: 128 | Standard— |
Felttemperature | Typenumber | KravValgfritt | Verdier & grenser | Standard— |
Felttop_p | Typenumber | KravValgfritt | Verdier & grenser | Standard— |
Feltseed | Typeinteger | KravValgfritt | Verdier & grenser | Standard— |
Feltstop | Type | KravValgfritt | Verdier & grenser | Standard— |
Feltfrequency_penalty | Typenumber | KravValgfritt | Verdier & grenser | Standard— |
Feltpresence_penalty | Typenumber | KravValgfritt | Verdier & grenser | Standard— |
Feltuser | Typestring | KravValgfritt | Verdier & grenser | Standard— |
| Parameter | Avtale |
|---|---|
Parametercontent_type | Avtaleapplication/json |
Parameterrequired | Avtalemodel, messages |
Parameteroptional | Avtalestream, max_tokens, max_completion_tokens, n, temperature, top_p, seed, stop, frequency_penalty, presence_penalty, user |
Parametermaterial_types | Avtaletext |
Parameterconditions | AvtaleUse literal text messages only. Cache controls, tools, image/audio/video content and streamed responses are unavailable for this method., The complete encoded JSON request must not exceed 262144 bytes. |
Livssyklus: synchronous_json
Tariffopplysninger legger ikke til forespørselsvalg. Støttede parametere står ved den valgte metoden.
| Konfigurasjon | Prisplan | Kostnad |
|---|---|---|
| KonfigurasjonGrunnpriser for tokener | PrisplanGrunnsats | Kostnad Inndata · Inngående tokener $0 / 1K tokener Utdata · Utgående tokener $0 / 1K tokener Inndata · Lesing fra hurtigbuffer — / 1K tokener Inndata · Skriving til hurtigbuffer — / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener |
Ailoot reserverer et estimert beløp før en forespørsel. Etter resultatet gjøres det endelige beløpet opp basert på målt forbruk. Oppgjør for strømming bruker den endelige forbruksposten. Slik fungerer reservasjon og oppgjør →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\nexport AILOOT_API_KEY\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "poolside/laguna-xs-2.1:free", "messages": [{"role": "user", "content": "Summarize the supplied text in three concise points."}], "stream": false}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\n# Submit once. Retain the complete result, original identifiers and every response header.\nJSON
Behold alle fullstendige returnerte svar, filer og innholdsdeler.
Retain the complete response, all actual results, original identifiers, usage and response headers.
Preserve the original response, headers and X-Client-Request-ID. An uncertain outcome does not authorize another creation.
Ailoot Ultra poolside/laguna-xs-2.1:free
Bruk metodestiene som vises ovenfor.
poolside/laguna-xs-2.1:freePoolside Laguna XS 2.1 er en tekstmodell med 33B parametere totalt og 3B aktive for agentbasert koding og langvarig arbeid. Den har en kontekst på 262,144 token og innebygd resonnering mellom verktøykall. Den mindre MoE-utformingen og egne kvantiserte utgaver støtter lokal utrulling med ressursbehov som avhenger av konfigurasjonen.
Denne beskrivelsen dekker modellens funksjoner. Tilgjengelige inndata, utdata og alternativer i Ailoot er oppført nedenfor for den valgte metoden.
Poolside Laguna XS 2.1 er en mixture-of-experts-språkmodell for agentbasert koding og langvarig arbeid, posisjonert som den mindre modellen for lokal utrulling i Laguna-serien. Den har 33B parametere totalt og 3B aktive per token. Modellen er en oppdatering av Laguna XS.2 som beholder arkitekturen og forbedrer produsentens rapporterte resultater for programvareutvikling og terminaloppgaver. Modellen mottar tekst og genererer tekst, kode, resonnering og forespørsler om verktøykall.
Utformingen med 40 lag kombinerer 10 lag med global oppmerksomhet og 30 lag med glidende vindu, med sigmoid-portstyring og et glidende vindu på 512 token. Dette lokale oppmerksomhetsvinduet er atskilt fra modellens kontekst på 262,144 token. Poolside beskriver også et FP8 KV-cache-oppsett for å redusere minnebruken per token. Disse egenskapene bidrar til å forklare fokuset på lokal utrulling, men det nøyaktige minnebehovet avhenger fortsatt av sjekkpunkt, kvantisering, arbeidskontekst og serveringskonfigurasjon.
For en kodeoppgave bør du oppgi relevante kildefiler som tekst, forventet oppførsel og den faktiske feilen eller utdataene som viser svikten. En nyttig forespørsel er: «Rett denne parserens behandling av escapede skilletegn, samtidig som det publiserte inndataformatet bevares. Vis endringsforslaget, forklar hvilke tilfeller som berøres, og identifiser eksempler som vil avdekke en regresjon.» Behold en konkret leveranse og et fullføringskriterium, slik at modellen kan arbeide mot et resultat fremfor bare å diskutere problemet.
For terminalbaserte oppgaver bør du oppgi det aktuelle miljøet, relevante kommandoutdata og begrensninger for arbeidet. I en verktøytilkoblet applikasjon foreslår modellen et funksjonskall, applikasjonen utfører det, og resultatet returneres som grunnlag for neste beslutning. Be den forklare hva en feil avdekker før den foreslår en ny kommando. Oppgi for eksempel avhengighetsmanifestet og utdata fra den mislykkede installasjonen, og be deretter om den minste korrigeringen som er forankret i kilden, og forventet resultat av neste kontroll. Bevar tidligere vellykkede trinn og det uavklarte problemet i historikken.
Laguna XS 2.1 er utformet for innflettet tenkning før og mellom verktøykall. Produsenten anbefaler å beholde resonneringsinnhold fra tidligere assistentmeldinger når neste forespørsel settes sammen på nytt. Hvis dette innholdet utelates, kan det hindre videre resonnering i oppfølgingstrinn. Hold assistentsvaret, informasjonen om verktøykallet og det tilhørende verktøyresultatet samlet, med det løpende målet synlig. Dette er særlig nyttig når flere observasjoner bidrar til en retting og et senere trinn avhenger av en tidligere beslutning.
Tenkning kan aktiveres eller deaktiveres gjennom chatmalen. Poolside anbefaler å aktivere den for agentbasert koding og bevare den mellom samtalerundene. En forespørsel om et direkte svar kan passe en liten omforming eller forklaring, mens en retting med flere avhengige betingelser har nytte av en løpende sløyfe med resonnering og observasjoner. Oppgi endelig utdataformat, og la det være plass til sluttsvaret. Produsentens evalueringsinnstillinger er oppskriftsvalg, ikke en universell garanti for mengden resonnering eller maksimal svarlengde.
For lange kildeinndata bør du organisere filer og dokumentasjon med tydelige grenser og stabile navn. Be om å spore en bestemt sammenheng, for eksempel hvilke kallere som avhenger av et endret grensesnitt, hvilke betingelser som skiller to implementeringer, eller hvorfor et testresultat motsier den foreslåtte diagnosen. Behold viktige beslutninger og faktiske kontroller i en kompakt oppgaveoversikt, og fjern irrelevant historikk. Kontekstgrensen dekker arbeidsmaterialet og den genererte fortsettelsen; et sluttsvar på størrelse med hele konteksten er ikke en egen lovet kapasitet.
Poolside publiserer BF16 og egne FP8-, NVFP4-, INT4- og GGUF-varianter, samt DFlash-utkastmodeller. Dette er ulike utrullingsvalg. Et lite antall aktive parametere betyr ikke at alle modellvektene bare opptar tilsvarende minne, og en utkastmodell er en ledsager for akselerasjon fremfor selve kodemodellen. Behold det nøyaktige sjekkpunktet når lokale resultater sammenlignes, og klargjør kode- eller dokumentinnhold som tekst for denne tekst-til-tekst-modellen.
Produsenten dokumenterer et problem med verktøyparseren i eldre serveringsbygg som kan utelate enkelte kall og vise den rå oppmerkingen deres som vanlig svartekst. Dette viser hvorfor en verktøytilkoblet arbeidsflyt må skille mellom modellens tiltenkte forespørsel og et riktig tolket funksjonskall. Undersøk det tolkede navnet og argumentene, valider dem mot det faktiske skjemaet, og bevar utførelsesresultatet. En sluttrapport bør identifisere det reviderte produktet, de observerte kontrollene og gjenstående forutsetninger. En foreslått endring eller kommando blir først et fullført resultat når oppførselen er fastslått gjennom disse registreringene.
POST /v1/messagestexttext| Felt | Type | Krav | Verdier & grenser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrevd | Verdier & grenser poolside/laguna-xs-2.1:free | Standard— |
Feltmessages | Typearray | KravPåkrevd | Verdier & grenser | Standard— |
Feltstream | Typeboolean | KravValgfritt | Verdier & grenser false | Standardfalse |
Feltsystem | Typestring | KravValgfritt | Verdier & grenser | Standard— |
Feltmax_tokens | Typeinteger | KravPåkrevd | Verdier & grenser Minimum: 1 Maksimum: 32 768 | Standard— |
Felttemperature | Typenumber | KravValgfritt | Verdier & grenser | Standard— |
Felttop_p | Typenumber | KravValgfritt | Verdier & grenser | Standard— |
Felttop_k | Typeinteger | KravValgfritt | Verdier & grenser | Standard— |
Feltstop_sequences | Typearray | KravValgfritt | Verdier & grenser | Standard— |
Feltmetadata | Typeobject | KravValgfritt | Verdier & grenser | Standard— |
| Parameter | Avtale |
|---|---|
Parametercontent_type | Avtaleapplication/json |
Parameterrequired | Avtalemodel, messages, max_tokens |
Parameteroptional | Avtalestream, system, temperature, top_p, top_k, stop_sequences, metadata |
Parametermaterial_types | Avtaletext |
Parameterconditions | AvtaleUse literal text messages only. Cache controls, tools, image/audio/video content and streamed responses are unavailable for this method., The complete encoded JSON request must not exceed 262144 bytes. |
Livssyklus: synchronous_json
Tariffopplysninger legger ikke til forespørselsvalg. Støttede parametere står ved den valgte metoden.
| Konfigurasjon | Prisplan | Kostnad |
|---|---|---|
| KonfigurasjonGrunnpriser for tokener | PrisplanGrunnsats | Kostnad Inndata · Inngående tokener $0 / 1K tokener Utdata · Utgående tokener $0 / 1K tokener Inndata · Lesing fra hurtigbuffer — / 1K tokener Inndata · Skriving til hurtigbuffer — / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener |
Ailoot reserverer et estimert beløp før en forespørsel. Etter resultatet gjøres det endelige beløpet opp basert på målt forbruk. Oppgjør for strømming bruker den endelige forbruksposten. Slik fungerer reservasjon og oppgjør →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\nexport AILOOT_API_KEY\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "poolside/laguna-xs-2.1:free", "messages": [{"role": "user", "content": "Summarize the supplied text in three concise points."}], "stream": false, "max_tokens": 256}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\n# Submit once. Retain the complete result, original identifiers and every response header.\nJSON
Behold alle fullstendige returnerte svar, filer og innholdsdeler.
Retain the complete response, all actual results, original identifiers, usage and response headers.
Preserve the original response, headers and X-Client-Request-ID. An uncertain outcome does not authorize another creation.
Ailoot Ultra poolside/laguna-xs-2.1:free
Bruk metodestiene som vises ovenfor.